Teknologiens historie er fuld af forudsigelser, der lyder latterligt nu. Et af de mest berømte eksempler tilskrives Bill Gates, der erklærede i 1981, at "640 kilobyte skulle være nok for enhver." AI-forudsigelser er ikke forskellige i denne henseende.
De første forskere af AI (kunstig intelligens) troede, at vi ville have en robot, der kun skulle gå, tale og tænke som et menneske på få årtier. På trods af nogle imponerende fremskridt inden for maskinlæring har AI naturligvis stadig en lang vej at gå. I henhold til et princip kendt som Moravec-paradokset, kan vi lære maskiner at løse komplekse problemer, men på samme tid kan de ikke klare de enkleste problemer.
Kom nu Siri, tænk som et barn
I 1957 sagde økonom og datalogi-pioner Herbert Simon:”Jeg sigter ikke på at overraske eller chokere dig, men jeg kan opsummere det ved at sige, at der er maskiner i verden nu, der kan tænke, lære og skabe. Derudover vil deres evne til at udføre disse handlinger vokse hurtigt, indtil (i en overskuelig fremtid) række af problemer, som maskiner kan tackle, kan sammenlignes med række af problemer, hvor det menneskelige sind hidtil har været nødvendigt.
Simon døde i 2001, og hans "synlige fremtid", hvor maskiner kan tænke som mennesker, er stadig langt væk. Naturligvis har kunstig intelligens vist sig godt for at udføre specifikke opgaver som klassificering af fjerne galakser eller efterligning af berømthedsstemmer eller skabelse af kunst, men simpel tænkning - et koncept kendt som generel kunstig intelligens - synes at forvirre de mest avancerede maskinlæringssystemer. Bare tænk, selv at gå på to ben er en udfordring for maskiner. De kan muligvis besejre den store skakmester, men de vil ikke være i stand til at komme foran den lille og tage det rigtige legetøj fra hylden.
Dette er ikke et nyt problem. I 1980'erne præsenterede computerforsker Hans Moravec netop dette problem, nu kaldet "Moravec-paradokset", og forklarede, hvorfor det er nøjagtigt, hvad vi skulle forvente af maskiner, der ikke er underlagt naturlig valg.”Kodet i de store, højt udviklede sensoriske og motoriske dele af den menneskelige hjerne er milliarder af års erfaring om verdens art og hvordan man kan overleve i den,” skrev han i sin bog 1988 of Children of the Mind.
Salgsfremmende video:
Det vil sige, hvad der forekommer enkelt for mennesker er blevet forbedret i årtusinder i udviklingsprocessen. Hvad folk finder det sværeste er vanskeligt kun fordi det er nyt for dem - vi har tænkt på skakstrategi i lidt over tusind år, men vi har lært at interagere med miljøet, da vores forfædre stadig var encellede organismer. Evolutionsfærdigheder kræver ikke bevidst tænkning, og når du ikke behøver at tænke på noget, er det sværere at finde ud af, hvordan man lærer en maskine at gøre det.
Lær maskiner at kende ved at lære dig at kende
Så hvordan lærer du en maskine at virkelig tænke? Moravec mener, at maskiner mangler udvikling. Situationen forbedrer sig dog dag for dag.
Ingeniører underviser i algoritmer til kunstig intelligens, såsom at lære robotter at spille videospil. Men før vi kan lære maskiner at tænke som mennesker, er vi nødt til bedre at forstå, hvordan mennesker tænker, at forstå begrænsningerne i maskinlæring kan hjælpe med at besvare spørgsmål om, hvordan vores sind faktisk fungerer. Det er også muligt, at paradokset er, at AI aldrig vil være virkelig uafhængig og altid vil stole på menneskelig hjælp. Men under alle omstændigheder bør vi alle sætte pris på supercomputere, der løber inde i vores kranier. De får verdens sværeste opgaver til at se lette ud.
Svetlana Bodrik